AI Agent 如何重构 App 稳定性治理流程



导读 
introduction
本文系统阐述了构建App稳定性分析Agent的必要性、核心设计与实现路径。传统的手动排查流程效率低下、严重依赖专家,而本方案通过将工具链自动化与AI智能分析相结合,构建了一个统一的Agent框架。该框架以可扩展的Tool(原子能力)和Workflow(场景策略)为核心,当前已成功落地闪退(Crash)自动分析场景,能够实现从崩溃日志解析、地址符号化、代码上下文提取到AI推理和修复建议的一站式处理。
更重要的是,通过引入向量数据库驱动的RAG知识库,系统能将处理经验沉淀下来,实现越用越智能的“数据飞轮”效应。


全文 10600 字,预计阅读时间 13 分钟
GEEK TALK

01

背景:为什么我们需要 App 稳定性分析 Agent


App 稳定性是用户体验的底线。一次闪退可能意味着一次用户流失,一个高频 crash 可能直接拖垮产品口碑。然而,在实际研发中,稳定性治理的排查效率远低于问题爆发的速度。

我们在日常的稳定性治理中持续面对这些痛点:

问题类型多
闪退(Crash)、ANR、卡顿、内存泄漏、OOM……每类问题的分析方法、工具链、经验知识都不同,缺少统一入口。

排查链路长
一次典型的 native crash 排查至少需要经历:日志收集 → 符号化 → 堆栈分析 → 代码定位 → 上下文还原 → 根因判断 → 修复验证。链路中任何一环出问题都会阻塞后续环节。

跨团队协作成本高
日志在平台侧、符号表在构建系统、源码在代码仓库、经验在专家脑中。证据分散,信息传递依赖人工对齐,耗时且容易遗漏。

关键瓶颈依赖专家经验
地址符号化工具配置繁琐,多线程归因需要深入理解线程模型,根因判断高度依赖对业务代码的熟悉程度。新人上手慢,老手产能被锁定在低级重复劳动上。

传统流程的典型链路如下图所示——节点越多、角色越多、信息传递越长,排查效率越低:

┌──────────────────────────────────────────────────────────────────────────┐│                    传统 App 稳定性排查流程                                 │├──────────────────────────────────────────────────────────────────────────┤│                                                                          ││  [监控平台]  ──→  [值班同学]  ──→  [手动下载日志]                          ││                                        │                                 ││                                        ▼                                 ││                              [手动配置符号化工具]                          ││                               addr2line / atos                           ││                                        │                                 ││                                        ▼                                 ││                              [肉眼分析堆栈帧]                             ││                            区分系统帧 / 业务帧                             ││                                        │                                 ││                                        ▼                                 ││                              [手动查找源代码]                              ││                          对照行号逐文件翻阅                                ││                                        │                                 ││                                        ▼                                 ││                              [凭经验推断根因]  ←── 需要资深专家              ││                                        │                                 ││                                        ▼                                 ││                              [编写修复代码]                                ││                                        │                                 ││                                        ▼                                 ││                              [提交 & 验证]                                ││                                                                          ││  平均耗时:数小时 ~ 数天          瓶颈:专家经验 + 手动操作                  │└──────────────────────────────────────────────────────────────────────────┘

面对这些问题,我们的思路是:构建一个统一的 App 稳定性分析 Agent,用 AI + 工具链自动完成"证据采集 → 推理分析 → 结论输出"全流程,把专家经验沉淀为可复用的系统能力。

GEEK TALK

02

解决方案:构建统一的稳定性分析 Agent


我们提出的核心方案是:以统一的 Agent 作为稳定性分析入口,串联"证据采集、推理分析、结论输出"全流程。

核心设计思路

平台能力与场景能力解耦:先沉淀通用分析底座(日志解析、地址符号化、代码提取、LLM 推理),再按问题类型(Crash、ANR、卡顿等)扩展场景化分析策略。这样,底层工具链可复用,上层策略可替换。

多壳架构(Multi-Shell):Core 负责通用分析能力,CLI / Daemon / IDE Plugin 提供一致化入口与交互形态,满足不同使用场景。

总体架构

┌─────────────────────────────────────────────────────────────────┐│                     应用接入层(Entry Points)                     ││                                                                   ││   ┌─────────┐    ┌──────────────┐    ┌──────────┐    ┌────────┐  ││   │   CLI   │    │ HTTP Daemon  │    │  Python  │    │ VSCode │  ││   │ 命令行   │    │ (SSE 流式)   │    │   API    │    │ Plugin │  ││   └────┬────┘    └──────┬───────┘    └────┬─────┘    └───┬────┘  ││        └────────────────┼────────────────┼───────────────┘       ││                         │                │                        │├─────────────────────────┼────────────────┼────────────────────────┤│                         ▼                ▼                        ││              ┌─────────────────────────────────┐                 ││              │    Tool + Workflow 编排引擎     │                 ││              │   (tool_system: Registry +       │                 ││              │    ConfigDrivenExecutor)          │                 ││              └───────────────┬─────────────────┘                 ││                              │                                    │├──────────────────────────────┼────────────────────────────────────┤│                              ▼                                    ││   ┌──────────────┐  ┌──────────────┐  ┌──────────────────┐      ││   │  Crash Log   │  │   Address    │  │   Code Content   │      ││   │   Parser     │  │  Symbolizer  │  │    Provider       │      ││   │  (日志解析)   │  │  (地址符号化) │  │  (代码上下文提取)  │      ││   └──────────────┘  └──────────────┘  └──────────────────┘      ││                              │                                    │├──────────────────────────────┼────────────────────────────────────┤│                              ▼                                    ││              ┌───────────────────────────────┐                   ││              │       AI Agent 推理层          │                   ││              │  ┌─────────┐  ┌────────────┐  │                   ││              │  │   RAG   │  │    LLM     │  │                   ││              │  │ Rules + │  │  Direct /  │  │                   ││              │  │ Vectors │  │ LangChain /│  │                   ││              │  │         │  │ LangGraph  │  │                   ││              │  └─────────┘  └────────────┘  │                   ││              └───────────────────────────────┘                   ││                                                                   │└─────────────────────────────────────────────────────────────────┘

当前聚焦:CLI 优先

在多壳架构中,我们当前优先打磨 CLI(命令行) 作为核心入口,并参照了Claude的交互方式。CLI 的优势在于:

  • 无环境依赖:不需要启动 IDE 或 Daemon 服务,一条命令即可触发完整分析链路。

  • 脚本化集成:天然适合 CI/CD 流水线、自动化测试、批量分析等场景。

  • 调试友好:每步产出独立的 JSON 文件,便于排查工具链各环节的中间状态。

  • 交互优先体验:对标 Claude CLI,可在终端向导内完成配置、分析与 AI 修复建议闭环;同时保留 --parse-only 等参数模式用于自动化与高级场景。

Daemon 和 VSCode Plugin 均基于 CLI 的 Core 能力构建,CLI 稳定后上层自然受益。

为什么必须引入向量数据库:把分析能力做成“数据飞轮”

很多团队会把 AI 崩溃分析做成“一次性问答工具”:日志进来,模型回答,任务结束。短期看可用,长期看会遇到同一个问题——每次都从零开始。

我们引入向量数据库(与规则库、元数据层配合)的核心目的,是把稳定性分析从“单次推理”升级为“持续进化系统”,形成可复用的数据飞轮:

  1. 采集(Capture):每次分析沉淀结构化证据(崩溃特征、调用链片段、修复策略、采纳/拒绝反馈)。

  2. 检索(Retrieve):新问题到来时,先命中规则高置信路径,再做向量相似检索,快速复用历史经验。

  3. 反馈(Feedback):研发对建议的采用/拒绝会回写 Pattern 反馈,持续修正策略质量。

  4. 治理(Governance):通过衰减与 GC 机制清理低质量模式,保持知识库“新鲜且可信”。

  5. 收益(Compounding):同类问题越处理越快、建议命中率越高、新人上手门槛越低。

这也是 Stability Analysis Agent 与“只会对话的工具”本质差异:它不仅给答案,还会把答案背后的经验沉淀成组织资产。

GEEK TALK

03

首个场景:App 闪退(Crash)分析能力


当前 Agent 已具备完整的 App 闪退(Crash)自动分析能力,围绕该场景开发了专属的 Tool 和 Workflow。选择先做闪退场景的原因:

  • 价值高:闪退是影响用户体验最直接的稳定性问题,排查优先级最高。

  • 数据结构化:崩溃日志有明确的格式规范(Apple crash report、Android tombstone 等),便于自动化解析。

闪退分析链路

                        输入                            输出                         │                               │┌────────────────────────▼───────────────────────────────▼────────────────┐│                                                                          ││  ┌─────────────────┐    ┌─────────────────┐    ┌─────────────────────┐  ││  │  Step 1         │    │  Step 2         │    │  Step 3             │  ││  │  crash_log_     │───▶│  add2line_      │───▶│  code_content_      │  ││  │  parser         │    │  resolver       │    │  provider           │  ││  │                 │    │                 │    │                     │  ││  │ 输入:           │    │ 输入:           │    │ 输入:               │  ││  │  原始崩溃日志    │    │  解析结果JSON    │    │  符号化结果JSON      │  ││  │                 │    │  + 符号文件目录   │    │  + 源码根目录        │  ││  │ 输出:           │    │ 输出:           │    │ 输出:               │  ││  │  结构化解析结果   │    │  函数名+文件+行号 │    │  崩溃函数体          │  ││  │  (线程/帧/信号)  │    │  已符号化堆栈    │    │  + 调用链代码        │  ││  │                 │    │                 │    │  + 崩溃图谱          │  ││  └─────────────────┘    └─────────────────┘    └──────────┬──────────┘  ││                                                           │              ││                                    ┌──────────────────────┘              ││                                    ▼                                     ││  ┌──────────────────────────────────────────────────────────────────┐   ││  │  Step 4: RAG 知识检索(可选)                                      │   ││  │  ┌──────────┐  ┌──────────────┐  ┌────────────────────────┐     │   ││  │  │  Layer 1 │  │   Layer 2    │  │       Layer 3          │     │   ││  │  │  Rules   │  │   Patterns   │  │      Metadata          │     │   ││  │  │ (SQLite) │  │  (ChromaDB)  │  │     (SQLite)           │     │   ││  │  │ 精确匹配  │  │  语义相似检索  │  │ 证据/策略/指导块         │     │   ││  │  └──────────┘  └──────────────┘  └────────────────────────┘     │   ││  └──────────────────────────────────────────────────────────────────┘   ││                                    │                                     ││                                    ▼                                     ││  ┌──────────────────────────────────────────────────────────────────┐   ││  │  Step 5: LLM 推理分析(可选)                                      │   ││  │  综合所有上下文 → 生成根因分析 + 修复建议                             │   ││  │  支持 Direct / LangChain / LangGraph 三种引擎                      │   ││  └──────────────────────────────────────────────────────────────────┘   ││                                    │                                     ││                                    ▼                                     ││  ┌──────────────────────────────────────────────────────────────────┐   ││  │  Step 6: 自动修复源码(可选)                                      │   ││  │  AI 生成修复方案 → 函数级精确替换 → 备份原始文件                     │   ││  │  Git 管理下可直接生成 Patch                                       │   ││  └──────────────────────────────────────────────────────────────────┘   ││                                    │                                     ││                                    ▼                                     ││                      ┌──────────────────────────┐                      ││                      │  最终产出                  │                      ││                      │  修复后的源码文件           │                      ││                      │  + 分析报告 (JSON/MD)      │                      ││                      │  + 原始源码备份             │                      ││                      └──────────────────────────┘                      ││                                                                          │└──────────────────────────────────────────────────────────────────────────┘

链路编排代码

Workflow 是链路编排的核心单元。

以下是 BaseCrashAnalysisWorkflow.solve() 的关键实现:

# workflows/crash_analysis_workflow.pyclass BaseCrashAnalysisWorkflow(BaseWorkflow):    def solve(self, problem: Dict[str, Any], context: WorkflowContext) -> Dict[str, Any]:        crash_log = problem.get("crash_log", "")        library_dir = problem.get("library_dir")        code_roots = problem.get("code_roots", [])        # Step 1: 解析崩溃日志        parse_result = context.execute_tool("crash_log_parser", {            "log_content": crash_log        })        # Step 2: 符号化地址(addr2line / atos)        resolved = context.execute_tool("add2line_resolver", {            "crash_json": json.dumps(parse_result),            "library_dir": library_dir        })        # Step 3: 提取代码上下文(崩溃函数体 + 调用链)        code_c…
— 以上为试看内容(约 40%),开通会员后阅读全文 —